fix(douyin): 缺 sec-ch-ua 请求头，网关回 200 + 空 body（不是「账号被封」）

先纠正一个我上一轮给错的结论：日志里的 `account blocked` **不是抖音说的**，是
MediaCrawler 自己编的：

    if response.text == "" or response.text == "blocked":
        raise Exception("account blocked")

真实情况只是**抖音返回了空 body**。我把它读成了「账号被风控」，还写进了运行历史和
给用户的结论里 —— 用户质疑「我网页版和手机版都能正常登录」，一查，他是对的。

实测定位（同一 URL、同一 cookie、同一参数）：

  浏览器页面内 fetch : 200, 7077 字节  ✓
  httpx              : 200,    0 字节  ✗
    带 a_bogus       : 0 字节
    不带 a_bogus     : 0 字节
    四种 msToken 变体 : 全部 200 有数据（所以不是它）
  用浏览器那次的完整头重放 httpx : 200, 7077 字节 ✓

浏览器那次请求比爬虫多的，只有这三个头：

    sec-ch-ua: "Google Chrome";v="155", "Chromium";v="155", "Not(A:Brand";v=24
    sec-ch-ua-mobile: ?0
    sec-ch-ua-platform: "Linux"

爬虫的 UA 是从页面读的（声称是 Chrome 155）却不带 sec-ch-ua —— 「Chrome 的 UA +
没有 sec-ch-ua」是最典型的机器人特征。网关的回应方式是不报错、不给原因，回一个
200 + 空 body，HTTP 状态还写在成功那一栏。

修：media_platform/douyin/help.py 新增 client_hint_headers()，从
navigator.userAgentData 现算这三个头（现算而不是写死 —— 写死的版本号一旦和 UA 里的
对不上，就又是一个可疑特征）；core.py 建客户端时带上。

诚实说明：我无法解释**为什么之前能跑**（run 34 还是成功的，40 分钟后同样的代码就
不行了）。最可能是字节那边收紧了这道校验，但我没有证据，别当结论。

测试 +8：还原出的头与真实浏览器抓到的值逐字一致；拿不到 userAgentData 时返回空而不
凭空编造（编一组和 UA 对不上的头比不带头更糟）；mobile 标志；platform 缺失时仍发另两个。

media_platform/douyin/core.py

@@ -44,7 +44,11 @@ from . import media as douyin_media
 from .client import DouYinClient
 from .exception import DataFetchError
 from .field import PublishTimeType
-from .help import parse_video_info_from_url, parse_creator_info_from_url
+from .help import (
+    client_hint_headers,
+    parse_creator_info_from_url,
+    parse_video_info_from_url,
+)
 from .login import DouYinLogin
 
 
@@ -320,10 +324,17 @@ class DouYinCrawler(AbstractCrawler):
             self.browser_context,
             urls=self.cookie_urls,
         )  # type: ignore
+        # 声称自己是 Chrome，就得带上 sec-ch-ua 系列头 —— 浏览器一定会带，而缺了它们
+        # 的请求在抖音网关看来就是机器人：回一个 **200 + 空 body**，不报错、不给原因，
+        # 表现为采集抓到 0 条。见 help.client_hint_headers 的实测记录。
+        client_hints = client_hint_headers(
+            await self.context_page.evaluate("() => navigator.userAgentData || null")
+        )
         douyin_client = DouYinClient(
             proxy=httpx_proxy,
             headers={
                 "User-Agent": await self.context_page.evaluate("() => navigator.userAgent"),
+                **client_hints,
                 "Cookie": cookie_str,
                 "Host": "www.douyin.com",
                 "Origin": "https://www.douyin.com/",

media_platform/douyin/help.py

@@ -26,7 +26,7 @@
 
 import random
 import re
-from typing import Optional
+from typing import Dict, Optional
 
 import execjs
 from playwright.async_api import Page
@@ -98,6 +98,38 @@ async def get_a_bogus_from_playwright(params: str, post_data: dict, user_agent:
     return a_bogus
 
 
+def client_hint_headers(user_agent_data) -> Dict[str, str]:
+    """由 ``navigator.userAgentData`` 还原 ``sec-ch-ua`` 系列请求头。
+
+    浏览器只要声称自己是 Chrome，就**一定会**带这三个头。缺了它们，「Chrome 的 UA +
+    没有 sec-ch-ua」就是最典型的机器人特征 —— 抖音网关会因此返回 **200 + 空 body**：
+    不报错、不给原因、HTTP 状态还是成功的，表现为采集拿到 0 条。
+
+    实测（同一 URL、同一 cookie、同一参数）：不带头 → 0 字节；补上这三个头 → 7077 字节。
+
+    从 ``userAgentData`` 现算而不是写死，是为了 Chrome 升级后不会悄悄失配 —— 写死的
+    版本号和 UA 里的版本号一旦对不上，就又是一个可疑特征。
+    """
+    if not isinstance(user_agent_data, dict):
+        return {}
+
+    brands = user_agent_data.get("brands") or []
+    sec_ch_ua = ", ".join(
+        f'"{brand.get("brand", "")}";v="{brand.get("version", "")}"' for brand in brands
+    )
+    if not sec_ch_ua:
+        return {}
+
+    headers = {
+        "sec-ch-ua": sec_ch_ua,
+        "sec-ch-ua-mobile": "?1" if user_agent_data.get("mobile") else "?0",
+    }
+    platform = user_agent_data.get("platform")
+    if platform:
+        headers["sec-ch-ua-platform"] = f'"{platform}"'
+    return headers
+
+
 def parse_video_info_from_url(url: str) -> VideoUrlInfo:
     """
     Parse video ID from Douyin video URL

tests/test_douyin_client_hints.py

@@ -0,0 +1,55 @@
+# -*- coding: utf-8 -*-
+"""sec-ch-ua 系列请求头：为什么必须带、怎么还原。
+
+抖音网关对「声称自己是 Chrome、却没带 sec-ch-ua」的请求会回 **200 + 空 body** ——
+不报错、不给原因、HTTP 状态还是成功的，采集侧只看到 0 条。实测同一 URL、同一 cookie、
+同一参数：不带头 0 字节，补上这三个头 7077 字节。
+"""
+
+import pytest
+
+from media_platform.douyin.help import client_hint_headers
+
+# 实测从真实浏览器抓到的 navigator.userAgentData
+REAL_UA_DATA = {
+    "brands": [
+        {"brand": "Google Chrome", "version": "155"},
+        {"brand": "Chromium", "version": "155"},
+        {"brand": "Not(A:Brand", "version": "24"},
+    ],
+    "mobile": False,
+    "platform": "Linux",
+}
+
+
+def test_headers_are_derived_from_user_agent_data():
+    hints = client_hint_headers(REAL_UA_DATA)
+
+    assert hints["sec-ch-ua"] == (
+        '"Google Chrome";v="155", "Chromium";v="155", "Not(A:Brand";v="24"'
+    )
+    assert hints["sec-ch-ua-mobile"] == "?0"
+    assert hints["sec-ch-ua-platform"] == '"Linux"'
+
+
+def test_mobile_is_reflected():
+    hints = client_hint_headers({**REAL_UA_DATA, "mobile": True})
+
+    assert hints["sec-ch-ua-mobile"] == "?1"
+
+
+@pytest.mark.parametrize("value", [None, [], "not-a-dict", {}, {"brands": []}])
+def test_nothing_is_invented_when_user_agent_data_is_unavailable(value):
+    """拿不到就返回空。
+
+    凭空造一组和 UA 对不上的头，只会变成**另一个**可疑特征 —— 那比不带头更糟。
+    """
+    assert client_hint_headers(value) == {}
+
+
+def test_missing_platform_still_sends_the_other_two():
+    hints = client_hint_headers({"brands": REAL_UA_DATA["brands"], "mobile": False})
+
+    assert "sec-ch-ua" in hints
+    assert "sec-ch-ua-mobile" in hints
+    assert "sec-ch-ua-platform" not in hints